Phylospatial optimal transport for single-cell and spatial transcriptomics data integration
该论文介绍了 SpOTr,一种基于最优传输的方法,它通过利用进化树的一致性来精确地将癌症克隆谱系映射到肿瘤内的空间位置,从而整合单细胞与空间转录组学数据。
原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
肿瘤并非由完全相同的细胞组成的均匀肿块;它们是复杂的、不断演化的生态系统,其中不同的癌细胞群体(被称为“克隆”)在进行竞争与协作。随着细胞分裂并积累遗传变化,这些克隆会产生,并在单个患者体内形成一个独特的谱系家族树。了解这些谱系如何扩散以及如何与其周围环境相互作用至关重要,因为特定癌细胞克隆的物理位置往往决定了它的行为方式以及它是否能在治疗中存活。然而,科学家在研究这些肿瘤时长期面临着一个艰难的选择:他们要么将肿瘤作为一个整体来观察,从而保留了每个细胞位置的地图,却失去了观察单个细胞细节的能力;要么将肿瘤破碎以研究高分辨率的单个细胞,却因此彻底丢失了地图。这种权衡使得将癌症克隆的遗传历史与其在体内的实际位置联系起来变得异常困难。
一种名为 SpOTr 的新方法通过将两种不同类型的数据结合成一个连贯的图景,提供了一种弥合这一差距的方式。该方法提取从肿瘤中移除的细胞的高分辨率遗传信息,并将其与仍能显示细胞位置的低分辨率肿瘤组织图谱进行匹配。这项工作的核心洞察在于:亲缘关系接近的癌细胞在生长过程中往往倾向于聚集在一起。通过利用这种“邻近性规则”,研究人员开发了一个数学框架,可以将单个癌细胞重新放置回组织图谱中,即使该图谱本身是模糊的且包含许多不同类型的细胞混合物。这使得科学家不仅能看到癌细胞在哪里,还能看到肿瘤的家族树是如何在器官的物理空间中展开的。
研究人员通过创建模拟肿瘤来测试这一想法,在这些模拟肿瘤中,他们已知每个细胞和每个克狼的确切位置。在这些计算机生成的场景中,克隆被设计得彼此非常相似,使得仅凭观察它们的遗传活动几乎无法将它们区分开来。当团队将 SpOTr 应用于这些模拟实验时,它成功重建了不同克隆的领地,而其他仅依赖遗传活动的方法则无法区分它们。事实证明,当克隆难以区分时,该方法表现得尤为强大,它利用已知的家族关系来引导细胞回到其正确的邻里。在一项测试中,该方法正确识别了三个主要克隆的物理边界以及其中两个较小克隆的部分区域,而其他工具则将大部分组织都归为了最大的那一组,完全忽略了其他组别。
为了验证这在生物学数据上的有效性,团队将 SpOTr 应用于一个利用特殊条形码系统追踪了每个细胞谱系的肿瘤。在这种情况下,他们拥有一个“地面真值”:他们确切知道每个细胞属于肿瘤的哪一部分。通过将 SpOTr 的结果与已知现实进行对比,该方法准确地恢复了不同癌症家族树分支所占据的主要区域。它保持了肿瘤上部和下部的独立性,符合实际布局,而其他方法要么将这些区域混在一起,要么将整个下部区域归为单一群体。这证实了该方法能够处理真实组织的复杂性,即细胞以小集群形式混合在一起,且遗传信号往往过于微弱而无法单独清晰读取。
随后,研究人员将该方法应用于一例已转移至肝脏的人类结直肠癌,在这种情境下,不存在预先存在的细胞谱系图谱。他们识别出了两个主要的癌症群体以及其中一个群体内的两个较小亚群。利用源自遗传突变的家族树,SpO
OTr 能够分离这些亚群并将它们放置在组织的不同部分。其中一个亚群位于样本左侧的细胞巢中,而另一个则位于横跨顶部的带状区域。这种细粒度的观察对于标准方法来说是不可能的,因为标准方法会将整个群体视为一个单一的整体。通过将细胞重新置于其空间语境中,研究人员可以直接在组织图像上绘制家族树,展示癌症是如何从靠近肿瘤一侧的共同祖先演化为截然不同的、分离的区域的。
这项工作表明,肿瘤的历史就书写在其地理位置之中。通过将单个细胞的高清遗传数据与组织的空间语境相结合,SpOTr 让科学家得以观察癌症在体内发生的进化历程。该方法不需要为了研究而将组织破碎,也不要求细胞在遗传上必须具有完美的差异性。相反,它利用了“亲缘关系近者趋于聚集”这一简单的生物学规则来解决复杂的谜题。通过这种方式,它提供了一种可视化肿瘤隐藏架构的新途径,为观察癌症如何生长、扩散以及适应其环境提供了更清晰的视角。
您所在领域的论文太多了?
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。